[转]人工智能公司D轮存活率不到6%,场景落地距离BP很遥远

简介: 在10月17日的达晨2019年经济论坛上,达晨财智业务合伙人窦勇发表演讲表示,人工智能初创企业,到D轮之后存活率不到6%,企业BP里展示的场景落地,距离很遥远。资本泡沫之后,大家开始反思投的这些企业,未来的成长盈利点在什么地方,有没有现金回流?

1.jpg

文 | 窦勇

在10月17日的达晨2019年经济论坛上,达晨财智业务合伙人窦勇发表演讲表示,人工智能初创企业,到D轮之后存活率不到6%,企业BP里展示的场景落地,距离很遥远。资本泡沫之后,大家开始反思投的这些企业,未来的成长盈利点在什么地方,有没有现金回流?

人工智能概念经过几年热炒之后,正在迅速进入资本退潮期,融资数量在断崖式下跌。但窦勇表示,达晨2019年,到目前为止已经投了4家,按照正常的进度,今年应该会至少10家以上。

窦勇认为,人工智能的数据量、算法、存储、法律法规等基础设施已经完善,行业正在进入发展阶段。因此人工智能不会出现第三次泡沫。投资人并没有逃离AI赛道,只是更加理性了,更关注场景落地的应用能力。

以下为投中网整理的窦勇演讲实录:

投资退出仅四成 资本反思泡沫

从2012年开始,人工智能赛道里面,投资机构到底做了哪些事情?第三方统计数据显示,2014到2018年,整个人工智能领域里面发生了126起的退出事件,占同期的投资事件大概1/20,整个上市IPO退出的概率只占到四成,回报率并不高。

整个2018年大家感觉寒冬很冷,人工智能领域大额融资事件普遍集中在C轮、D轮,在其他领域也是。在年初融资还是比较简单的事情,到了年中感觉融资好好像不那么容易了,投资机构都比较刁。说得好好的,协议都签了,钱没有到位。

人工智能这个赛道现在面临什么问题呢?

首先是高投入,人力资源密集型企业,需要大量的资本,找很昂贵的人才进行长期的研发。经过统计显示,AI初创型企业,经过A轮、B轮、C轮、D轮下来,存活率不到6%,这是极低的数据。为什么?经过资本的泡沫之后,大家都在讲一个问题,AI的场景如何落地?企业BP里展示的场景落地,距离很遥远。

资本泡沫起来以后大家蜂拥而入,冷静之后大家又会想,到底我们投的这些企业,未来的成长盈利点在什么地方?有没有现金回流?不是一味长期的投入?

是不是整个资本都变得很冷了呢?其实并不然。第一阶段我们发现融资变得难,难在哪个地方?首先资本本身面临问题,上半年GP募资的资金量在断崖式的下降。达晨去年募了50亿基金,在寒冬里有这个表现也是一个证明。

基础设施提升 人工智能的核心

反过来讲,人工智能这个板块会不会第三次泡沫呢?我们并不这样认为。从行业本质来看,我们认为整个产业,从小数据到大数据、到人工智能,这个过程中,现在已经来到了行业深层次的发展。大家知道,数据数量越来越多,算法越来越好,存储的性能,包括法律法规,包括人力资源也在进一步完善。

我们从人工智能的本质来解释两个问题。

第一,大家都在说人工智能缺数据,实际数据并不缺,缺什么?缺高质量的数据。什么是高质量的数据呢?从数据本身看,数据有价值吗?很多人说数据没有价值。在过去大数据风口的时候,很多企业追求有多少体量的数据。我们可以这么理解,数据经过清洗以后,才会变成信息,信息只有经过整理才会成为知识,知识应用以后才会智慧。这样因果逻辑循环的关系,才会对数据背后的价值应用产生一定的逻辑关系。

我们看数据本身,在人工智能板块面临一个问题,我们政府部门有巨大的数据,但是数据如何开放?怎么开放?用什么成本为我们人工智能提供数据算法呢?目前各地口号比较大,落地效果比较小。

再看看人工智能的另外一个核心问题:算力。国家也在大力鼓励半导体投入。到目前为止看,在通用算力层面,我们跟美国之间还是有较大的差距。但是我们在具体应用场景算力上面,我们比如安防、消费场景的应用,我们还是比较靠前的。

达晨会加码哪些领域?

今天聚焦一个话题,什么话题呢?人工智能遍地开花,上海为了人工智能产业也刚刚成立了100亿的母基金,要成为了人工智能的高地,打造长三角重要的高地。我们发现人工智能目前结合具体应用场景看,好像不是那么一回事儿。

比如移动互联网里面,昨天经纬资本张总在朋友圈发了文章,资本寒冬期,我们钱会持续加码给谁?企业家也会找我们,和其他一些投资机构,在困难的时候,能不能投我一些钱?经纬的张总怎么说的呢?我们只会持续加注那些在寒冬期还有更高爆发力增长的企业,会继续支持你。

反过来讲人工智能领域,达晨会关注几个方面:

1、芯片,我们会做芯片设计或者成熟应用场景的投资;
2、算法,关注计算机视觉的一些应用;
3、传感器,关注一些汽车或者零部件方面的应用;
4、行业应用,安防领域人工智能处于相对靠前的发展阶段;零售、物流、金融和制造业属于第二梯队,应用模式在进步。
5、医疗、无人驾驶板块,可能前景很美好,但我们需要走的路依然很漫长。

泡沫依然大 更加看重场景落地

回归整个行业来看,人工智能板块从2012年到现在,七年时间,现在回归了人工智能的本质。现在行业里面的泡沫依然大,一些初创型企业,包括以前经过泡沫周期的人工智能企业,因为上一轮融资架构摆在那儿,但是你的估值与企业展示的实质不符,不是靠发论文就能有很高的估值的。以前一些人工智能公司,是看有多少科学家在国际顶级期刊上发了多少论文,作为估值提高的依据的,现在这个时代已经过了,大家更应该回归本质。

现在我们会关注,它具备可复制性吗?是这个行业的真需求吗?这些点是人工智能行业普遍面临的问题。

我相信在座各位不是来听我讲一些行业应用的,你们更希望关注来到这里做资源深度的对接。对接什么呢?能够对接一些人工智能落地的应用场景。达晨目前投资了500家企业,这里面可能有能直接落地的板块,智能制造、医疗、消费。

目前为止,达晨在2019年之前,整个人工智能板块布局了40几家企业。2019年我们新增的,到目前为止投了4家,按照正常的进度,今年应该会至少10家以上。也就是就是说资本寒冬的时期,投资人并没有逃离AI赛道,只是更加理性了,他们会更多看重人工智能企业的本质,就是场景落地的应用能力。

转自创头条,原文链接:http://www.ctoutiao.com/2384153.html

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能浪潮下的未来工作场景
随着人工智能技术的飞速发展,它正在逐步融入我们的工作和生活之中。本文将探讨人工智能如何改变未来的工作环境,以及我们应如何准备迎接这一变革。文章通过分析人工智能的发展趋势、对各行各业的影响,以及个人和组织应对策略,旨在为读者提供对未来工作场景的深刻洞察。
|
1月前
|
存储 数据采集 人工智能
数据湖面向AI场景的进化
对象存储OSS作为云上数据湖,被广泛应用在商业智能、数据决策、广告推荐等大数据分析的场景上。随着AI workload的不断增长,OSS数据湖也在随着workload的变化不断演进。
124 5
|
2月前
|
人工智能 Prometheus Cloud Native
新场景、新能力,AI-native 时代的可观测革新
借助 AI-native 可观测解决方案,阿里云为用户提供开箱即用的覆盖大模型应用、大模型到基础设施的全链路实时观测、告警与诊断能力,帮助企业在复杂的数字化转型过程中更有效地确保资源的高效利用与业务的持续成功。
168 19
|
2月前
|
机器学习/深度学习 人工智能 运维
|
2月前
|
人工智能 算法 大数据
懂场景者得AI,瓴羊发布年度产品智能化战略
9月20日,瓴羊智能科技(以下简称瓴羊)在2024云栖大会上举办了“Data × AI:企业服务智能化,价值增长新动能”专场论坛。阿里巴巴集团副总裁、瓴羊智能科技CEO 朋新宇在会上发布年度产品智能化战略:“(算法 + 算力 + 数据) x 场景 ”,强调企业必须重视场景,只有通过解构场景、重构业务,才能真正拥抱AI,带来突破性增长。
|
27天前
|
人工智能 NoSQL 机器人
MongoDB Atlas与YoMio.AI近乎完美适配:推理更快速、查询更灵活、场景更丰富
随着MongoDB的新发布和革新,YoMio.AI的“闪电式发展”值得期待。
|
3月前
|
人工智能 文字识别 算法
打造全场景、跨领域、多模态的AI工作流 | 开源图像标注工具 X-AnyLabeling v2.4.0 正式发布!
X-AnyLabeling是一款强大的辅助标注工具,集成了AI推理引擎和丰富功能,为图像数据工程师提供一站式解决方案。它支持图像和视频文件的自动标注,提供了包括矩形框、多边形在内的七种标注样式,适应多样化的训练场景需求。X-AnyLabeling内置了多种SOTA级AI模型,如YOLO、SAM系列等,并支持GPU加速和多种数据集格式的导入导出,确保高效的数据处理。此外,它还具备良好的跨平台兼容性,可在多种操作系统上运行,并提供详尽的帮助文档和社区支持,帮助用户轻松上手并解决使用过程中遇到的问题。
270 2
打造全场景、跨领域、多模态的AI工作流 | 开源图像标注工具 X-AnyLabeling v2.4.0 正式发布!
|
3月前
|
存储 人工智能 数据处理
面向AI场景的数据处理和数据检索
本文分享了AI场景下面临的数据处理与检索挑战及解决方案。AI内容生产涉及数据准备、模型训练、推理及应用四大环节,其中数据准备环节面临数据来源复杂、格式多样及数据量激增的挑战,模型训练环节需解决推理准确性问题,AI应用环节则需克服接口兼容性难题。 为应对这些挑战,阿里云存储OSS与智能媒体管理IMM提供百余种数据处理能力,并升级数据索引功能支持向量检索,助力构建多模态检索应用。此外,还介绍了Serverless数据处理方案,可日均处理百亿级别文件,通过OSS数据索引能力,客户能快速构建RAG检索增强,同时实现多模态检索的搭建,显著提升AI应用的效能和用户体验。
318 15
|
2月前
|
人工智能 算法 测试技术
AI战略丨大模型重塑长安新汽车新场景
长安科技内部一边基于大模型进行技术研发,一边也在不断反思:大模型究竟还能带来什么?长安科技最初是希望将尽可能多的控制能力接入到大模型中,如今,其对大模型的能力有了新的理解。